CN110482390A - 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 - Google Patents
一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 Download PDFInfo
- Publication number
- CN110482390A CN110482390A CN201910806013.0A CN201910806013A CN110482390A CN 110482390 A CN110482390 A CN 110482390A CN 201910806013 A CN201910806013 A CN 201910806013A CN 110482390 A CN110482390 A CN 110482390A
- Authority
- CN
- China
- Prior art keywords
- moving sidewalk
- strayed
- camera
- image
- escalator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 230000006854 communication Effects 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000010008 shearing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000001681 protective effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B29/00—Safety devices of escalators or moving walkways
- B66B29/005—Applications of security monitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Escalators And Moving Walkways (AREA)
Abstract
本发明涉及电梯技术领域,尤其涉及一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法,包括安装在本扶梯/自动人行道与相邻交错扶梯/自动人行道摄像装置、声光报警器和通讯总线;摄像装置包括摄像头和控制器,沿扶梯/自动人行道运行方向,摄像头安装于靠近三角形区域顶点位置用于拍摄监测的三角形区域的图像;控制器包括FPGA模块、存储器、电源模块、第一连接口和第二连接口,FPGA模块中内嵌Nios II处理器,存储器、第一连接口和第二连接口均连接于FPGA模块,第一连接口还连接于摄像头,第二连接口通过通讯总线连接于声光报警器。本发明避免相邻自动扶梯/自动人行道间或其与建筑间夹角撞击、挤夹或剪切人体事故,系统灵敏可靠。
Description
技术领域
本发明涉及电梯技术领域,尤其涉及一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法。
背景技术
大型公共场所常常需要通过扶梯等运输设备将人群输送至不同楼层,自动扶梯的布置常常与相邻扶梯或建筑物形成一个三角形的危险区域,乘客在使用扶梯时如不慎将头、手等肢体伸出扶梯扶手带外,该区域则可能对乘客产生撞击、挤夹和剪切等危险。因此,在此区域处设置安全保护装置十分必要;
目前,国家标准GB 16899-2011在“附件A与建筑物的接口”中规定:如果建筑障碍物会引起人员伤害,应采取相应的预防措施。尤其是在与楼板交叉处以及各交叉设置的自动扶梯或自动人行道之间,应在扶手带上方设置一个无锐利边缘的垂直防护挡板,其高度不应小于0.3m,且至少延伸至扶手带下缘25mm处,例如采用一块无孔的三角板。如果扶手带外缘与任何障碍物之间距离大于等于400mm时,则无需遵守该要求。而扶梯检验规则TSGT7005-2012针对防护挡板也做了类似规定:如果建筑物的障碍物会引起人员伤害时,则应采取相应的预防措施。特别是在与楼板交叉处以及各交叉设置的自动扶梯或自动人行道之间,应当设置一个高度不应小于0.30m,无锐利边缘的垂直固定封闭防护挡板,位于扶手带上方,并且延伸至扶手带外缘下至少25mm(扶手带外缘与任何障碍物之间距离大于等于400mm的除外);
因此,目前我国按照规定设计和安装的扶梯与建筑形成夹角处安全防护措施基本均为高度不小于0.30m的垂直固定封闭防护挡板,该防护挡板将阻碍人体或物件卡入扶梯与建筑夹角,具有一定保护作用,但保护方式是基于人体撞击挡板后形成障碍和缓冲为原理,挡板本身对乘用者造成的危害没有得到很好的解决,如受撞击的人未能反应过来及时收缩肢体或受到挡板撞击的惊吓,更易发生跌倒滚落等二次事故,即使采用柔性或弹性材质的固定防护挡板也不能很好的解决上述问题;部分扶梯夹角处另外加装一块可移动的附有“小心碰头”等字样的警示挡板,该挡板仅能提示已观察到夹角位置的人群,而发生夹角夹卡事故的人多数是由于尚未注意到夹角存在而将头颈肢体伸入夹角的危险范围,更无法观测到危险区域的警示字样,因此该警示措施收效甚微,几乎无法提示真正处于危险区域和境地的人群,能起到很好的防护作用;
因此,迫切需要采用技术手段,研制有效提醒乘客避免肢体或头颅进入自动扶梯/自动人行道间或自动扶梯/自动人行道与建筑物夹角的智能识别预警系统,真正做到本质安全。
发明内容
本发明的目的是为了提供一种自动扶梯/自动人行道夹角人员误入监测识别预警系统,避免自动扶梯/自动人行道夹角与建筑物形成夹角或相邻自动扶梯/自动人行道之间夹角撞击、挤夹或剪切事故,系统实时监测自动扶梯/自动人行道夹角的人员误入情况,灵敏可靠,减少安全隐患。
为解决以上技术问题,本发明的技术方案为:一种自动扶梯/自动人行道夹角人员误入监测识别预警系统,包括安装在本扶梯/自动人行道与相邻交错扶梯/自动人行道或扶梯/自动人行道与建筑物形成的三角形区域的摄像装置、声光报警器和通讯总线;摄像装置包括摄像头和控制器,控制器的输入端电连接于摄像头,控制器输出端电连接于声光报警器;沿扶梯/自动人行道运行方向,所述摄像头安装于靠近三角形区域顶点位置用于拍摄监测的三角形区域的图像;
其中,控制器包括FPGA模块、片外存储器、电源模块、第一连接口和第二连接口,FPGA模块中内嵌Nios II处理器,片外存储器、第一连接口和第二连接口均连接于FPGA模块,第一连接口还连接于摄像头,第二连接口通过通讯总线连接于声光报警器;电源模块用于给FPGA模块、片外存储器和摄像头提供工作电压;
FPGA模块中内嵌Nios II处理器和均连接于Nios II处理器的片内第一存储器、片内第二存储器、片外存储控制模块;Nios II处理器,用于获取摄像头摄取的当前图像,生成灰度二值图像后提取图像的方向梯度直方图特征,利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;用于在识别结果为人员误入时产生报警信号并发送至第二连接口;片内第一存储器用于存储人体识别分类器;片内第二存储器用于存储灰度二值图像;片外存储控制模块用于根据Nios II处理器的数据传输请求产生读写控制信号提供给片外存储器。
按以上方案,所述摄像头固定安装于相邻交错扶梯/自动人行道或建筑物的底板边缘;本扶梯/自动人行道一侧设有位于三角形区域内的支架,所述声光报警器固定安装于本扶梯/自动人行道一侧的支架上。
按以上方案,所述摄像头的拍摄距离至少为3米;在摄像头拍摄到人员肢体或头部进入夹角区域时进行声光提醒,人员接收到提示收回人体的也是需要时间的,在此过程中电梯的一直是运行状态,过小的拍摄距离会使该系统的安全性较低。
按以上方案,所述FPGA模块采用的是EP2C70F672C8型号的芯片;该芯片采用高速CHMOS工艺,功耗低,可以与CMOS、TTL电平兼容,应用于多种通用逻辑,集成多个高速收发器,数据传输速率高。
按以上方案,所述片外存储器为SDRAM片外存储器,型号为HY57V641620H系列;SDRAM片外存储器和Nios II处理器同步,作为处理器在运行时数据的片外存储器。
按以上方案,所述第一连接口为FMC接口;通过FMC接口将摄像头连接至FPGA模块大大降低了系统信号的延迟,数据采集速度快,进一步增强系统工作的实时性。
按以上方案,所述通讯总线为RS485总线;RS485总线抗共模干能力强,抗噪声干扰性好;优选的,第二连接口为RS485接口。
按以上方案,所述控制器还包括连接于FPGA模块的显示屏接口,优选的,显示屏接口采用的是HDMI接口,用于外接显示屏,方便操作人员调试摄像头的拍摄区域。
基于自动扶梯/自动人行道夹角人员误入监测识别预警系统的监测识别方法,其特征在于,其步骤为:
步骤1):训练人体识别分类器:采用包含不同种类的人体目标图片的INRIA数据集作为训练集,提取训练集的方向梯度直方图特征及正样本和负样本,输入到支持向量机中进行训练学习,得到人体识别分类器;
步骤2):Nios II处理器获取摄像头摄取的当前图像,并提取当前图像的方向梯度直方图特征;
步骤3):Nios II处理器利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;当识别结果为有人员误入时,Nios II处理器产生报警信号。
按以上方案,所述步骤2的具体步骤为:
步骤2.1):Nios II处理器获取摄像头摄取的当前图像;
步骤2.2):将摄像头摄取的当前图像灰度化处理,得到图像的像素灰度值,预设灰度阈值,采用二值法,将像素灰度值小于灰度阈值的像素去除,将像素灰度值大于灰度阈值的像素归为待监测一类,得到当前图像的灰度二值图像;
步骤2.3):计算图像横坐标和纵坐标的梯度,并计算每个像素位置的梯度方向值;图像中像素点(x,y)的梯度为:
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
式中,Gx(x,y)、Gy(x,y)、H(x,y)分别表示图像中像素点(x,y)的水平方向梯度、垂直方向梯度和像素值;
式中,G(x,y)表示像素点(x,y)处的梯度幅值,α(x,y)表示像素点(x,y)处的梯度方向值;
步骤2.4):将图像分为若干单元格,每个单元格为n*n个像素,根据每个单元格内像素的梯度信息统计每个单元格的方向梯度直方图,即可得到每个单元格的方向梯度直方图特征;
步骤2.5):将m个单元格组成一个模块,每个模块内所有单元格的方向梯度直方图特征串联统一后即为该模块的方向梯度直方图特征;
步骤2.6):将图像内所有模块内的方向梯度直方图特征串联统一后即为当前图像的方向梯度直方图特征。
本发明具有如下有益效果:
一、本发明监测识别预警系统中,摄像装置拍摄乘客进入扶梯随扶梯运行至夹角附近的过程,识别在该过程中人体将肢体伸入扶梯扶手带外并即将进入夹角的过程,在人员肢体或头部即将进入夹角区域时,摄像头将拍摄到的图像经控制器处理后发出报警信号至声光报警器,声光报警器进行声光报警和语音提示,以提醒即将进入夹角区域的人员进行人体收回,提高人员的自我安全保护意识,从根源上避免自动扶梯/自动人行道夹角与建筑物形成夹角或相邻自动扶梯/自动人行道之间夹角撞击、挤夹或剪切事故,提高自动扶梯/自动人行道的本质安全水平,保障人民生命安全,提高了扶梯运行本质安全性,能极大的提高扶梯乘梯安全,保护人民生命,防止扶梯夹角剪切事故发生;本发明适用于任何扶梯交叉布置或扶梯与楼板交叉布置的情况,应用范围广,不受环境和气候的影响,装置结构简便,具有很好的推广性;节约了安全管理和应急救援管理费用,有很强的实用性和很大的社会价值;
二、本发明的用于人员误入监测识别及预警,对监测信号的处理速度及准确度要求高,本发明采用的FPGA模块具备丰富的触发器和I/O接口,且FPGA模块采用高速CHMOS工艺,功耗低;Nios II处理器的控制功能强、灵活性高,可配置性强;本发明的控制器通过FPGA模块内嵌Nios II处理器,保留FPGA模块的灵活性的同时结合Nios II处理器控制功能强及可配置性强的优点,使本发明监测及信号处理过程更加快速、灵敏可靠;
三、本发明的监测识别方法中,采用方向梯度直方图(Histograms of OrientedGradients,HOG)特征结合线性支持向量机分类器(Support Vector Machine,SVM)算法对人体目标进行检测识别,监测识别效果好,误检率低。
附图说明
图1为本发明实施例整体结构示意图;
图2为图1的俯视结构示意图;
图3为本发明实施例整体结构框图;
图4为本实施例中电源模块的电路图;
图5为本发明另一种实施例整体结构示意图;
图6为本发明监测识别方法的流程图;
附图标记:
1、摄像装置;101、摄像头;102、控制器;1021、FPGA模块;1022、片外存储器;1023、电源模块;1024、第一连接口;1025、第二连接口;1026、显示屏接口;2、声光报警器;3、通讯总线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。
请参考图1至图4,本发明为一种自动扶梯/自动人行道夹角人员误入监测识别预警系统,其包括安装在本扶梯/自动人行道与相邻交错扶梯/自动人行道或扶梯/自动人行道与建筑物形成的三角形区域的摄像装置1、声光报警器2和通讯总线3;摄像装置1包括摄像头101和控制器102,控制器102的输入端电连接于摄像头101,控制器102输出端电连接于声光报警器2;沿扶梯/自动人行道运行方向,所述摄像头101安装于靠近三角形区域顶点位置用于拍摄监测的三角形区域的图像;
结合图1和图2,摄像头101固定安装于相邻交错扶梯/自动人行道或建筑物的底板边缘;本扶梯/自动人行道一侧设有位于三角形区域内的支架,声光报警器2固定安装于本扶梯/自动人行道一侧的支架上;本实施中,摄像头101的拍摄距离至少为3米。
本实施例中,摄像头101采用的是Aptina公司生产的型号为MT9V034的摄像头101,该型号摄像头101可拍摄高速移动物体(动态范围达到90db+),可拍摄正在运行的自动扶梯/自动人行道上人体图像;适应不同光照,在低照度下仍拍摄清晰,可适应低照度或强光下的商场等室内环境;该摄像机采用的是CMOS图像传感器,拍摄图像后传输至控制器102中;该摄像头101的工作电压为3.3V。
参阅图3,控制器102包括FPGA模块1021、片外存储器1022、电源模块1023、第一连接口1024和第二连接口1025,片外存储器1022、第一连接口1024和第二连接口1025均连接于FPGA模块1021,第一连接口1024还连接于摄像头101,第二连接口1025通过通讯总线3连接于声光报警器2;电源模块1023用于给FPGA模块1021、片外存储器1022和摄像头101提供工作电压。
FPGA模块1021中内嵌Nios II处理器和均连接于Nios II处理器的片内第一存储器、片内第二存储器和片外存储控制模块;Nios II处理器和片内第一存储器、片内第二存储器、片外存储控制模块之间的连接均通过Avalon总线连接,FPGA模块1021中还内嵌通过Avalon总线连接于Nios II处理器的输入输出PIO;未在FPGA模块1021中内嵌Nios II处理器时,ARM芯片与FPGA芯片需进行PCB设计时的连线,Nios-II处理器与上述片内第一存储器、片内第二存储器、片外存储控制模块和输入输出PIO均通过Avalon总线进行内部连线省去了ARM芯片与FPGA芯片进行PCB设计时的连线,从而可以减少PCB的布线密度,以及可以缩短项目的开发时间。
Nios II处理器,用于获取摄像头101摄取的当前图像,生成灰度二值图像后提取图像的方向梯度直方图特征,利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;用于在识别结果为人员误入时产生报警信号并发送至第二连接口1025;片内第一存储器用于存储人体识别分类器;片内第二存储器用于存储灰度二值图像;片外存储控制模块用于根据Nios II处理器的数据传输请求产生读写控制信号提供给片外存储器1022。
本实施例中,FPGA模块1021采用的是EP2C70F672C8型号的FPGA芯片,工作电压为3.3V,该芯片采用高速CHMOS工艺,功耗低,可以与CMOS、TTL电平兼容,应用于多种通用逻辑,集成多个高速收发器,数据传输速率高;FPGA芯片中内嵌Nios II处理器,Nios II处理器是一个可配置的软核处理器,Nios II处理器替代原有的ARM7,使用和配置更加灵活,结合FPGA的高速处理接口的协议,可以实现高速的数据收发和交换,解决在高速收发过程中信号能够保持完整性的问题。
片外存储器1022采用SDRAM片外存储器,体积小,型号为HY57V641620H系列,采用3.3V工作电压,SDRAM片外存储器1022和Nios II处理器同步,作为处理器在运行时数据的片外存储器1022。
第一连接口1024用于实现摄像头101和控制器102之间的通信,第一连接口1024采用的是连接于FPGA模块1021的FMC接口,FMC接口作为理想的I/O模块耦合至FPGA模块1021前端,通过FMC接口将摄像头101连接至FPGA模块1021大大降低了系统信号的延迟,数据采集速度快,进一步增强系统工作的实时性。
第二连接口1025用于实现控制器102和声光报警器2之间的通信,第二连接口1025为RS485接口,通过通讯总线3将控制器102产生的报警信号发送至声光报警器2;本实施例中,通讯总线3采用的是RS485总线,RS485总线采用RS485通讯协议,RS485通讯协议具备多点、双向通信功能;并具有发送器的驱动能力和冲突保护特性;RS485采取两线制,接口是采用平衡驱动器和差分接收器的组合,抗共模干能力强,抗噪声干扰性好,使用该标准的数字通信网络能在远距离条件下以及电子噪声大的环境下有效传输信号,摄像装置1通过RS485总线与声光报警器2连接,可适用于户外或复杂的市场环境。
为方便调试摄像头101的拍摄区域,控制器102还包括连接于FPGA模块1021的显示屏接口1026,在调试摄像头101的拍摄区域时可外接显示屏,方便操作人员通过显示屏确定摄像头101的拍摄区域;本实施例中,该显示屏接口1026为HDMI接口。
结合图3和图4,电源模块1023包括依次连接的开关电源、第一电压转换单元和第二电压转换单元;扶梯电源为220V交流电,开关电源外接220V交流电,将220V交流电转换为24V直流电,本实施例中,开关电源采用的是NES-35-24开关电源;第一电压转换单元用于将开关电源输出的24V直流电转换为5V电压,本实施例中,第一电压转换单元包括型号为ZY2405UHBD-5W的电压转换器U1,电压转换器U1的输入端连接于开关电源输出端,电压转换器U1的输出端输出+5V电压;第二电压转换单元用于将第一电压转换单元输出的+5V电压转化为+3.3V电压,给FPGA模块1021、片外存储器1022和摄像头101提供工作电压,本实施例中,第二电压转换单元采用的是型号为AMS1117-3.3的电压转换器U2,电压转换器U2的输入端连接于电压转换器U1输出端,电压转换器U2的输出端输出+3.3V电压。
声光报警器2的型号为YS-01X,采用120DB大分贝报警喇叭,高亮LED频闪发光,可定制并贮有固定的声音信息,常有多达8种报警声音可供用户选择,其可受控于RS485通讯协议,电源端只需连接入扶梯电源即可使用;该装置具备防风雨电路工艺设计,防水、防尘、质量可靠,可以适用于户外扶梯;信号端连接控制器102,控制器102发送报警信号至声光报警器2,声光报警器2触发报警,操作简单,使用寿命长。
在另一种实施例中,参阅图5,声光报警器2的数量可以为多个,且在摄像头101拍摄范围内沿电梯运行方向均匀分布,固定安装于本扶梯/自动人行道一侧的支架上,拍摄区域较大时,确保人员可以及时接收到就近的声光报警器2发出的声光警示。
参阅图6,本发明自动扶梯/自动人行道夹角人员误入监测识别预警系统的监测识别方法,具体步骤为:
步骤1):训练人体识别分类器:采用包含不同种类的人体目标图片的INRIA数据集作为训练集,提取训练集的方向梯度直方图特征及正样本和负样本,输入到支持向量机中进行训练学习,得到人体识别分类器;实施时采用MATLAB的libsvm工具箱中的svmtrain函数对INRIA的数据库进行训练,得到分类器的分类系数向量和分类阈值;
步骤2):Nios II处理器获取摄像头101摄取的当前图像,并提取当前图像的方向梯度直方图特征;具体为:
步骤2.1):Nios II处理器获取摄像头101摄取的当前图像;
步骤2.2):将摄像头101摄取的当前图像灰度化处理,得到图像的像素灰度值,预设灰度阈值,采用二值法,将像素灰度值小于灰度阈值的像素去除,将像素灰度值大于灰度阈值的像素归为待监测一类,得到当前图像的灰度二值图像;灰度化处理及二值法处理,能提高图像质量,方便后续图像正确的判别,进一步的,二值法可以得到占用内存空间更小的图像,减少后续的运算量,同时可以凸出图像的轮廓,使图像的分析变得简单;该步骤压缩不必要的特征来简化特征,以提高特征提取的速度和准确度;
步骤2.3):计算图像横坐标和纵坐标的梯度,并计算每个像素位置的梯度方向值;图像中像素点(x,y)的梯度为:
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
式中,Gx(x,y)、Gy(x,y)、H(x,y)分别表示图像中像素点(x,y)的水平方向梯度、垂直方向梯度和像素值;
式中,G(x,y)表示像素点(x,y)处的梯度幅值,α(x,y)表示像素点(x,y)处的梯度方向值;
步骤2.4):将图像分为若干单元格,每个单元格为n*n个像素,根据每个单元格内像素的梯度信息统计每个单元格的方向梯度直方图,即可得到每个单元格的方向梯度直方图特征;
步骤2.5):将m个单元格组成一个模块,每个模块内所有单元格的方向梯度直方图特征串联统一后即为该模块的方向梯度直方图特征;
步骤2.6):将图像内所有模块内的方向梯度直方图特征串联统一后即为当前图像的方向梯度直方图特征。
步骤3):Nios II处理器利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;当识别结果为有人员误入时,Nios II处理器产生报警信号。
本发明装置简便、反应灵敏,拍摄范围可按照扶梯真实工况数据调整,适用于任何扶梯交叉布置或扶梯与楼板交叉布置的情况,价格低廉,具有很好的推广性;当检测到有人员肢体即将进入自动扶梯/自动人行道与相邻建筑或自动扶梯/自动人行道间夹角时,以识别拍照并启动声光警示,引起乘客的注意,使其收回头手等肢体,减少不必要的人身伤亡;能极大的提高扶梯乘梯安全,保护人民生命,防止扶梯夹角剪切事故发生,节约了安全管理和应急救援管理费用,有很强的实用性和很大的社会价值。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:包括安装在本扶梯/自动人行道与相邻交错扶梯/自动人行道或扶梯/自动人行道与建筑物形成的三角形区域的摄像装置(1)、声光报警器(2)和通讯总线(3);摄像装置(1)包括摄像头(101)和控制器(102),控制器(102)的输入端电连接于摄像头(101),控制器(102)输出端电连接于声光报警器(2);沿扶梯/自动人行道运行方向,所述摄像头(101)安装于靠近三角形区域顶点位置用于拍摄监测的三角形区域的图像;
其中,控制器(102)包括FPGA模块(1021)、片外存储器(1022)、电源模块(1023)、第一连接口(1024)和第二连接口(1025),片外存储器(1022)、第一连接口(1024)和第二连接口(1025)均连接于FPGA模块(1021),第一连接口(1024)还连接于摄像头(101),第二连接口(1025)通过通讯总线(3)连接于声光报警器(2);电源模块(1023)用于给FPGA模块(1021)、片外存储器(1022)和摄像头(101)提供工作电压;
FPGA模块(1021)中内嵌NiosII处理器和均连接于Nios II处理器的片内第一存储器、片内第二存储器和片外存储控制模块;
NiosII处理器,用于获取摄像头(101)摄取的当前图像,生成灰度二值图像后提取图像的方向梯度直方图特征,利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;用于在识别结果为人员误入时产生报警信号并发送至第二连接口(1025);
片内第一存储器,用于存储人体识别分类器;
片内第二存储器,用于存储灰度二值图像;
片外存储控制模块,用于根据Nios II处理器的数据传输请求产生读写控制信号提供给片外存储器(1022)。
2.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述摄像头(101)固定安装于相邻交错扶梯/自动人行道或建筑物的底板边缘;本扶梯/自动人行道一侧设有位于三角形区域内的支架,所述声光报警器(2)固定安装于本扶梯/自动人行道一侧的支架上。
3.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述摄像头(101)的拍摄距离至少为3米。
4.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述FPGA模块(1021)采用的是EP2C70F672C8型号的芯片。
5.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述片外存储器(1022)为SDRAM片外存储器,型号为HY57V641620H系列。
6.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述第一连接口(1024)为FMC接口。
7.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述通讯总线(3)为RS485总线。
8.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统,其特征在于:所述控制器(102)还包括连接于FPGA模块(1021)的显示屏接口(1026)。
9.根据权利要求1所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统的监测识别方法,其特征在于,其步骤为:
步骤1):训练人体识别分类器:采用包含不同种类的人体目标图片的INRIA数据集作为训练集,提取训练集的方向梯度直方图特征及正样本和负样本,输入到支持向量机中进行训练学习,得到人体识别分类器;
步骤2):Nios II处理器获取摄像头(101)摄取的当前图像,并提取当前图像的方向梯度直方图特征;
步骤3):Nios II处理器利用人体识别分类器对当前图像的方向梯度直方图特征进行检测从而识别当前图像中是否有人员误入,产生识别结果;当识别结果为有人员误入时,NiosII处理器产生报警信号。
10.根据权利要求9所述的自动扶梯/自动人行道夹角人员误入监测识别预警系统的监测识别方法,其特征在于:所述步骤2的具体步骤为:
步骤2.1):NiosII处理器获取摄像头(101)摄取的当前图像;
步骤2.2):将摄像头(101)摄取的当前图像灰度化处理,得到图像的像素灰度值,预设灰度阈值,采用二值法,将像素灰度值小于灰度阈值的像素去除,将像素灰度值大于灰度阈值的像素归为待监测一类,得到当前图像的灰度二值图像;
步骤2.3):计算图像横坐标和纵坐标的梯度,并计算每个像素位置的梯度方向值;图像中像素点(x,y)的梯度为:
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
式中,Gx(x,y)、Gy(x,y)、H(x,y)分别表示图像中像素点(x,y)的水平方向梯度、垂直方向梯度和像素值;
式中,G(x,y)表示像素点(x,y)处的梯度幅值,α(x,y)表示像素点(x,y)处的梯度方向值;
步骤2.4):将图像分为若干单元格,每个单元格为n*n个像素,根据每个单元格内像素的梯度信息统计每个单元格的方向梯度直方图,即可得到每个单元格的方向梯度直方图特征;步骤2.5):将m个单元格组成一个模块,每个模块内所有单元格的方向梯度直方图特征串联统一后即为模块的方向梯度直方图特征;
步骤2.6):将图像内所有模块内的方向梯度直方图特征串联统一后即为当前图像的方向梯度直方图特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806013.0A CN110482390A (zh) | 2019-08-29 | 2019-08-29 | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806013.0A CN110482390A (zh) | 2019-08-29 | 2019-08-29 | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110482390A true CN110482390A (zh) | 2019-11-22 |
Family
ID=68555304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910806013.0A Pending CN110482390A (zh) | 2019-08-29 | 2019-08-29 | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110482390A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0551192A (ja) * | 1991-08-26 | 1993-03-02 | Toshiba Corp | エスカレータ |
US20050088520A1 (en) * | 2002-11-06 | 2005-04-28 | Josef Wiesinger | Video camera monitoring of escalators and moving walks |
JP2010058903A (ja) * | 2008-09-03 | 2010-03-18 | Hitachi Ltd | 画像認識装置 |
CN101676188A (zh) * | 2008-09-17 | 2010-03-24 | 株式会社日立制作所 | 自动扶梯的保护装置 |
CN101695983A (zh) * | 2009-10-23 | 2010-04-21 | 浙江工业大学 | 基于全方位计算机视觉的自动扶梯节能与安全监控系统 |
CN103020611A (zh) * | 2012-12-30 | 2013-04-03 | 信帧电子技术(北京)有限公司 | 检测打架行为的方法 |
CN108960131A (zh) * | 2018-06-29 | 2018-12-07 | 南京市特种设备安全监督检验研究院 | 机械式车库防人误入检测方法 |
CN208200104U (zh) * | 2018-04-28 | 2018-12-07 | 刘伟 | 一种基于图像识别的电动扶梯自动启停控制系统 |
CN109727426A (zh) * | 2019-01-23 | 2019-05-07 | 南京市特种设备安全监督检验研究院 | 一种机械式车库人员误入监测识别预警系统及检测方法 |
CN210558830U (zh) * | 2019-08-29 | 2020-05-19 | 南京市特种设备安全监督检验研究院 | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统 |
-
2019
- 2019-08-29 CN CN201910806013.0A patent/CN110482390A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0551192A (ja) * | 1991-08-26 | 1993-03-02 | Toshiba Corp | エスカレータ |
US20050088520A1 (en) * | 2002-11-06 | 2005-04-28 | Josef Wiesinger | Video camera monitoring of escalators and moving walks |
JP2010058903A (ja) * | 2008-09-03 | 2010-03-18 | Hitachi Ltd | 画像認識装置 |
CN101676188A (zh) * | 2008-09-17 | 2010-03-24 | 株式会社日立制作所 | 自动扶梯的保护装置 |
CN101695983A (zh) * | 2009-10-23 | 2010-04-21 | 浙江工业大学 | 基于全方位计算机视觉的自动扶梯节能与安全监控系统 |
CN103020611A (zh) * | 2012-12-30 | 2013-04-03 | 信帧电子技术(北京)有限公司 | 检测打架行为的方法 |
CN208200104U (zh) * | 2018-04-28 | 2018-12-07 | 刘伟 | 一种基于图像识别的电动扶梯自动启停控制系统 |
CN108960131A (zh) * | 2018-06-29 | 2018-12-07 | 南京市特种设备安全监督检验研究院 | 机械式车库防人误入检测方法 |
CN109727426A (zh) * | 2019-01-23 | 2019-05-07 | 南京市特种设备安全监督检验研究院 | 一种机械式车库人员误入监测识别预警系统及检测方法 |
CN210558830U (zh) * | 2019-08-29 | 2020-05-19 | 南京市特种设备安全监督检验研究院 | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统 |
Non-Patent Citations (1)
Title |
---|
熊有伦等: "机器人学建模、控制与视觉", vol. 1, 31 March 2018, 华中科技大学出版社, pages: 358 - 363 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109461325A (zh) | 一种公路施工区安全联控系统及方法 | |
CN201698587U (zh) | 铁路立交桥超高防撞智能预警系统 | |
CN204990743U (zh) | 一种超高车辆预警系统 | |
CN202855071U (zh) | 一种智能高清卡口电子警察 | |
CN103287464B (zh) | 铁路道口智能视频监控系统及其实现方法 | |
CN201655044U (zh) | 一种交通违章监控系统 | |
KR100956978B1 (ko) | 교통사고 유의지역 통합관리 시스템 | |
US20230045677A1 (en) | System for detecting pedestrian at crosswalk and preventing accident on basis of artificial intelligence | |
CN208722367U (zh) | 多层次输电线路立体防外破装置 | |
CN206610437U (zh) | 道路路口电子监控系统 | |
CN110232880B (zh) | 一种具有智能预警功能的光缆标志桩及智能预警的方法 | |
CN103661502A (zh) | 铁路平交道口自动化监测与控制系统 | |
CN109657555A (zh) | 一种针对校车学生下车遗漏的检测装置及方法 | |
CN207749449U (zh) | 一种高速用物联网智能护栏 | |
CN206255785U (zh) | 一种用于救援起重机的安全监控系统 | |
CN209103529U (zh) | 智能交通违法抓拍系统 | |
CN114283544A (zh) | 一种基于人工智能的铁路站台入侵监测系统及方法 | |
CN106049306A (zh) | 一种智能交通安全警示柱装置 | |
CN208842329U (zh) | 一种公交车窗口肢体伸出预警装置 | |
CN110482390A (zh) | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统及监测识别方法 | |
CN210534994U (zh) | 一种高速事故预警系统 | |
CN216486694U (zh) | 一种基于cpu的楼宇坠物智能检测与拦截系统 | |
CN108819846A (zh) | 一种公交车窗口肢体伸出预警方法及预警装置 | |
CN210558830U (zh) | 一种自动扶梯/自动人行道夹角人员误入监测识别预警系统 | |
CN205899810U (zh) | 一种超高超宽违法抓拍电子警察系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |